Google TimesFM 3.0：多变量时间序列预测新基准

TimesFM 是 Google Research 开源的时间序列基础模型，专注于零样本预测。3.0 版本首次原生支持多变量序列和灵活的协变量（过去仅或过去‑未来），无需针对每个任务调参，即可在单一模型上完成单变量和多变量预测。

在三大公开基准（fev‑bench、TIME、GIFT‑Eval）中，TimesFM 3.0 均夺得整体第一，展示了业界领先的零样本通用能力。模型参数 200 M，支持最长 16 k 的上下文长度，并可输出高达 1 k 步的分位数预测。

对数据科学家、机器学习工程师以及使用 BigQuery ML、Google Sheets、Vertex Model Garden 等 Google 产品的业务分析团队而言，TimesFM 3.0 可直接在已有工作流中调用，省去自行训练大型时间序列模型的成本，提升预测准确性与部署效率。

使用方式
- PyPI 安装：pip install timesfm[torch]
- 通过 HuggingFace 检索 checkpoint google/timesfm-3.0-pytorch
- 示例代码展示了单变量和多变量预测的完整调用流程，支持返回点预测和多分位数置信区间。

GitHub

#GitHub #开源 #TimesFM #时间序列 #机器学习 @GoogleResearch
@GitHubTrendingHub